科学研究与医疗

探索 AI 科研、生命科学和医疗应用,适合科研人员与领域学习者。

34 条精选 · 入门 6 · 按推荐学习顺序:越基础、直观越靠前,越系统、深入越靠后

在 3D 图中查看
  1. 28进阶
    课程发布 02-21
    MIT 课程官网

    临床数据的学习、可视化与部署(HST.953)

    Clinical Data Learning, Visualization, and Deployments(HST.953)

    MIT OpenCourseWare 上的一门研究生课程页面,2024 年秋季开设,由 Marzyeh Ghassemi、Leo A. Celi、Adam Rodman、Ned McCague 授课,隶属电子工程与计算机科学系及健康科学与技术系。课程简介说明它讨论在医疗场景中落地机器学习所需的实践考量,先关注利用真实回顾性医疗数据的稳健、隐私与公平的机器学习,随后涉及以实用性为目标的可视化等内容。页面列出的资源类型包括讲师见解、问题集、编程作业和阅读材料。

  2. 33深入
    课程发布 10-17
    YouTube

    斯坦福 EE292R 面向科学的 AI 与数据 | 2026 年秋季 | 视网膜中的计算模型

    Stanford EE292R AI and Data for Science | Autumn 2026 | Models of Computation in the Retina

    这是斯坦福课程 EE292R“面向科学的 AI 与数据”2026 年秋季学期的一讲录像,讲者是斯坦福神经生物学教授 Stephen Baccus。该讲围绕早期视觉系统中可机制解释的计算模型展开,带有计算神经科学与机制可解释性方向的标签。

多模态与领域探索的其他细分主题